摘要：
"博客" 给出了三个算例。 可以看出，focal loss 对可很好分类的样本赋予了较小的权重，但是对分错和不易分的样本添加了较大的权重。 对于类别不平衡，使用了$\alpha_t$进行加权，文章中提到较好的值是0.25，说明在训练过程中仍然需要对正样本进行降权。 正常的理解是训练过程中负样本的数量 阅读全文
摘要：
Faster RCNN 和Retinanet在将图像数据输送到网络之前，要对图像数据进行预处理。大致上与 "博客" 提到的相同。 事实上还可以采取第三步，将图片的宽和高扩展为32的整倍数，正如在Retinanet使用的。下面是一个简单的Pytorch数据预处理模块： 阅读全文
摘要：
假设给定一个数组 以及对应的掩膜（即指示标志数组） ，获得veca中对应 中为 的元素。 假设 为`{0.1, 0.2, 0.3, 0.4} flags {true, false, false, true} vecb {0.1, 0.4}`。 使用for循环自然可以很简单地解决这个问题，但是想要用标 阅读全文